pyList
  1. pyList
    2. ›
  2. python html 中文 实体 转换

用python 实现中文与html实体相互转换

🕛 by at

一些网页会把中文转为html实体，做爬虫时就需要把html实体转换为中文，下面介绍使用python 对它们作相互转换。

用python 实现中文与html实体相互转换

html 实体

python & #20013;& #25991;& #21644;html & #23454;& #20307;& #30456;& #20114;& #36716;& #25442;

相互转换

把html 实体和中文互转：

import re

s = 'python 中文和html 实体相互转换'
# s = 'python & #20013;& #25991;& #21644;html & #23454;& #20307;& #30456;& #20114;& #36716;& #25442;'
print s

def convert_callback(matches):
    char_id = matches.group(1)
    try:
        return unichr(int(char_id))
    except:
        return char_id

s2 = re.sub("&#(\d+)(;|(?=\s))", convert_callback, s)

print s2

# print s2.decode('utf-8').encode('ascii','xmlcharrefreplace')
print s2.encode('ascii','xmlcharrefreplace')

输出

python & #20013;& #25991;& #21644;html & #23454;& #20307;& #30456;& #20114;& #36716;& #25442;
python 中文和html 实体相互转换
python & #20013;& #25991;& #21644;html & 23454;& #20307;& #30456;& #20114;& #36716;& #25442;
本文标签： python html 中文 实体 转换
本文网址: https://pylist.com/t/1418743651 （转载注明出处）
如果你有任何建议或疑问可以在下面 留言
发表第一条评论！
验证码图片
相关推荐

小工具

标签

print python 中文 终端 正确 全角 半角 转换 相互 字符串 分割 英文 格式 常见 时间 转码 链接 安全 json unicode 性能 js fonts css html 一键 字典 排序 最快 传说 pil 验证码 生成 图片 list 按键 高效 bbr openwrt 路由 开启 百度 google pk 三大 必应 解析 测试 速度 ubuntu gnu debian linux 安装 修砖记 变砖 ubnt er tftp 轻量级 sae 博客 一款 ulimit 永久 设置 系统 之坑 files golang open 服务 全屏 浏览器 方法 实现 caddy https 部署 网站 多个 spotify chartify 开源 图表 tornado tcpclient 4.0 客户端 简化 搜索引擎 网址 提交 主动 经验 md5 文件 计算 ssdb 论坛 聊天室 redis nginx websockets chat failed load devtools sourcemap chrome 自动更新 microsoft mac 关闭 app store 登录 未知 静音 风扇 主机 笔记本 改造 低功耗 web 爬虫 服务器 组装 微信 尝鲜 视频 体验 cpu 查看 温度 server 浏览 身份验证 authenticator 迁移 手机 webdriver 微博 selenium 系统启动 usb 固件 编译 宅家 坑记 屏幕 动手 硬件加速 quic 抢先

最近发表

最近浏览